PERBANDINGAN NAIVE BAYES, SUPPORT VECTOR MACHINE, LOGISTIC REGRESSION DAN RANDOM FOREST DALAM MENGANALISIS SENTIMEN MENGENAI TIKTOKSHOP
DOI:
https://doi.org/10.23960/jitet.v13i1.5746Abstract Views: 523 File Views: 403
Abstract
Pertumbuhan e-commerce yang pesat di Indonesia dan ramainya pembicaraan salah satu platform yaitu Tiktokshop, mendorong pentingnya analisis sentimen untuk memahami tanggapan publik. Penelitian ini bertujuan menganalisis sentimen pengguna terhadap Tiktokshop melalui tweet di platform X, menggunakan algoritma Naive Bayes, Support Vector Machine (SVM), Logistic Regression, dan Random Forest. Data diambil melalui web scraping dan diproses menggunakan metodologi Knowledge Discovery in Database (KDD). Tahapan KDD meliputi Data Selection, Preprocessing, Transformation, Data Mining, Evaluation, dan Knowledge Presentation. Label sentimen ditentukan dengan pendekatan lexicon, sehingga didapatkan 521 data label negatif dan 502 data label positif. Pengujian performa algoritma klasifikasi menggunakan Confusion Matrix dan Classification Report. Pengujian tersebut menghasilkan nilai akurasi tertinggi pada SVM sebesar 81%, diikuti Random Forest dengan 80%, Logistic Regression dengan 79%, dan Naive Bayes sebesar 75%. Visualisasi word cloud menunjukkan kata-kata dominan untuk sentimen positif seperti ’beli’, ’checkout’, ’barang’, ’murah’, dan ’suka’, sedangkan untuk sentimen negatif yaitu ’belanja’, ’live’, ’habis’ dan ’astaga’. Hasil penelitian ini diharapkan membantu perusahaan dalam mengevaluasi layanan dan strategi pemasaran Tiktokshop.Downloads
References
E. F. Santika, "ECDB: Proyeksi Pertumbuhan e-commerce Indonesia Tertinggi Sedunia pada 2024," Katadata.co.id; Databoks. Available: https://databoks.katadata.co.id/datapublish/2024/04/29/ecdb-proyeksi-pertumbuhan-e-commerce-indonesia-tertinggi-sedunia-pada-2024.
A. Syakur, "Implementasi Metode Lexicon Base Untuk Analisis Sentimen Kebijakan Pemerintah Dalam Pencegahan Penyebaran Virus Corona COVID-19 Pada Twitter," Jurnal Ilmiah Informatika Komputer, vol. 26, no. 3, pp. 247-260, 2021.
D. R. Ramadhanty, "Implementasi algoritma support vector machine pada analisis sentimen data twitter (Studi kasus: ulasan tentang indohome)," Universitas Islam Indonesia, vol. 16, pp. 1-83, 2021. Available: https://dspace.uii.ac.id/handle/123456789/36015.
A. Sitanggang, Y. Umaidah, and R. I. Adam, "Analisis sentimen masyarakat terhadap program makan siang gratis pada media sosial X menggunakan algoritma Naïve Bayes," JITET (Jurnal Informatika dan Teknik Elektro Terapan), vol. 12, no. 3, pp. 1-10, 2023, pISSN: 2303-0577, eISSN: 2830-7062. doi: 10.23960/jitet.v12i3.4902. Available: http://dx.doi.org/10.23960/jitet.v12i3.4902.
A. Maulana, N. Afifah, I. K. No, N. A. Mubarrak, N. K. R. Fauzan, N. A. Dwintara, and B. P. Zen, "Comparison of Logistic Regression, MultinomialNB, SVM, and K-NN Methods on Sentiment Analysis of Gojek App Reviews on the Google Play Store," Jurnal Teknik Informatika (JUTIF), vol. 4, no. 6, pp. 1487-1494, 2023.
A. Maulana, N. Afifah, I. K. No, N. A. Mubarrak, N. K. R. Fauzan, N. A. Dwintara, and B. P. Zen, "Comparison of Logistic Regression, MultinomialNB, SVM, and K-NN Methods on Sentiment Analysis of Gojek App Reviews on the Google Play Store," Jurnal Teknik Informatika (JUTIF), vol. 4, no. 6, pp. 1487-1494, 2023.
A. Syah, F. Nurdiyansyah, and A. Y. Rahman, "Analisis sentimen aplikasi Shopee, Tokopedia, Lazada dan Blibli menggunakan leksikon dan Random Forest," JITET (Jurnal Informatika dan Teknik Elektro Terapan), vol. 12, no. 3, pp. S1-10, 2023, pISSN: 2303-0577, eISSN: 2830-7062. doi: 10.23960/jitet.v12i3S1.5155. Available: http://dx.doi.org/10.23960/jitet.v12i3S1.5155.
F. Azimah and K. R. N. Wardani, "Klasifikasi Deteksi Gejala Awal COVID-19 Dengan Metode Logistic Regression, Random Forest Classifier dan Support Vector Machine," Jurnal Locus: Penelitian dan Pengabdian, vol. 1, no. 9, 2022.
S. Nadhifah, F. N. Aini, H. H. Kusumawardhani, and M. Y. Febrianto, "Analisis sentimen ulasan aplikasi Gopay pada Google Play Store menggunakan algoritma Support Vector Machine," Jurnal Surya Informatika, vol. 14, no. 1, pp. 1-6, 2024.
A. Syah, F. Nurdiyansyah, and A. Y. Rahman, "Analisis sentimen aplikasi Shopee, Tokopedia, Lazada dan Blibli menggunakan leksikon dan Random Forest," JITET (Jurnal Informatika dan Teknik Elektro Terapan), vol. 12, no. 3, pp. S1-10, 2023, pISSN: 2303-0577, eISSN: 2830-7062. doi: 10.23960/jitet.v12i3S1.5155. Available: http://dx.doi.org/10.23960/jitet.v12i3S1.5155.
M. S. Alrajak, I. Ernawati, and I. Nurlaili, "Analisis sentimen terhadap pelayanan PT PLN di Jakarta pada Twitter dengan algoritma k-nearest neighbor (k-NN)," in Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), vol. 1, no. 2, pp. 110-122, 2020.
E. Suryati, A. Aldino, N. Penulis Korespondensi, and E. Suryati, "Analisis sentimen transportasi online menggunakan ekstraksi fitur model Word2Vec text embedding dan algoritma Support Vector Machine (SVM)," J. Teknol. Sist. Inf., vol. 4, no. 1, pp. 96-106, 2023. doi: 10.33365/jtsi.v4i1.2445. Available: https://doi.org/10.33365/jtsi.v4i1.2445.
